一种改进的有监督训练的tv语种识别方法-计算机应用与软件.pdfVIP

第３３卷第９期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．９ ２０１６年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１６ 一种改进的有监督训练的ＴＶ语种识别方法 １，２ ３ 张翼飞 　腾潇琦 １（上海大学机电工程与自动化学院　上海２０００７２） ２（讯飞智元信息科技有限公司　安徽合肥２３００８８） ３（北京市互联网信息办公室　北京 １０００６２） 摘　要　　传统的ＧＭＭＴＶ（ＧａｕｓｓｉａｎＭｉｘｔｕｒｅＭｏｄｅｌＴｏｔａｌＶａｒｉａｂｉｌｉｔｙ，又称为ｉｖｅｃｔｏｒ）系统得益于它良好的识别效果以及优秀的识别 效率，在语种识别ＬＩＤ（ｌａｎｇｕａｇｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ）中得到广泛应用，然而载荷矩阵 的训练过程是无监督的，使得它的分类空间并没有 Ｔ 得到最好的优化。已有的有监督ＴＶ（ＳｕｐｅｒｖｉｓｅｄＴＶ，ＳＴＶ）算法，通过在均值超矢量上拼接一个带有标签信息的向量，使得 矩阵的 Ｔ 训练过程变成一个有监督的过程，但是效果增长较弱，同时带来了载荷矩阵自由度问题。提出一种改进的有监督训练方法，在目标 函数中引入正则化项来解决自由度的问题，同时大大提升它的分类效果。该方法在ＮＩＳＴＬＲＥ０９的３０ｓ数据集实验中得到了很好的 效果，等错误率ＥＥＲ（ＥｑｕａｌＥｒｒｏｒＲａｔｅ）从５．４０％下降到４．９６％，融合系统的ＥＥＲ达到了３．８６％。 关键词　　语种识别　ＴＶ系统　有监督训练　载荷矩阵 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０９．０３８ ＡＮＩＭＰＲＯＶＥＤＬＡＮＧＵＡＧＥＩＤＥＮＴＩＦＩＣＡＴＩＯＮＭＥＴＨＯＤＵＳＩＮＧＳＵＰＥＲＶＩＳＥＤ ＴＯＴＡＬＶＡＲＩＡＢＩＬＩＴＹ １，２ ３ ＺｈａｎｇＹｉｆｅｉ　ＴｅｎｇＸｉａｏｑｉ １（ＳｃｈｏｏｌｏｆＭｅｃｈａｔｒｏｎｉｃｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０００７２，Ｃｈｉｎａ） ２（ＩｆｌｙｔｅｋＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍＣｏ．，Ｌｔｄ，Ｈｅｆｅｉ２３００８８，Ａｎｈｕｉ，Ｃｈｉｎａ） ３（ＴｈｅＯｆｆｉｃｅｏｆＩｎｔｅｒｎｅｔＩｎｆｏｒｍａｔｉｏｎ，Ｂｅｉｊｉｎｇ１０００６２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＴｒａｄｉｔｉｏｎａｌＧＭＭＴＶ（Ｇａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌｔｏｔａｌｖａｒｉａｂｉｌｉｔｙ）ｓｙｓｔｅｍｉｓｂｅｎｅｆｉｔｅｄｆｒｏｍｉｔｓｇｏｏｄｒｅｃｏｇｎｉｔｉｏｎｅｆｆｅｃｔａｎｄ ｅｘｃｅｌｌｅｎｔｒｅｃｏｇｎｉｔｉｏｎｅｆｆｉｃｉｅｎｃｙ，ａｎｄｈａｓｂｅｅｎｗｉｄｅｌｙｕｓｅｄｉｎｌａｎｇｕａｇｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ（ＬＩＤ）．Ｈｏｗｅｖｅｒｔｈｅｔｒａｉｎｉｎｇｐｒｏｃｅｓｓｏｆｌｏａｄｍａｔｒｉｘ ｉｓ Ｔ